深度之眼_吴恩达机器学习_打卡学习_多变量线性回归

最新推荐文章于 2022-06-02 18:07:38 发布

weixin_38426803

最新推荐文章于 2022-06-02 18:07:38 发布

阅读量102

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_38426803/article/details/90575463

版权

这篇博客介绍了多变量线性回归的概念，包括代价函数和参数更新公式。讨论了特征缩放的两种方法——min-max标准化和z-score标准化，并指出可以使用多项式来拟合数据。还给出了如何处理带有根号的多项式特征。

摘要由CSDN通过智能技术生成

打卡第二天

多变量线性回归

函数： $h_\Theta(x) = \Theta_0 + \Theta_1x_1 + \Theta_2x_2 + \Theta_3x_3$

简单来写的话 $h_\Theta(x) = \Theta^{T}x$

代价函数： $J(\Theta) = \tfrac{1}{2m}\sum (h_\Theta(x) - y)^{2}$

参数更新： $\Theta_1 := \Theta_1 - \frac{1}{m} \sum [(h_\Theta (x) - y) x_1]$

具体某一个参数的更新，乘上某一个特征值

特征缩放：

min-max标准化： $\tfrac{x-u}{s}$ ÿ

最低0.47元/天解锁文章

weixin_38426803

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
深度之眼_吴恩达机器学习_打卡学习_多变量线性回归

打卡第二天多变量线性回归函数：简单来写的话代价函数：参数更新：具体某一个参数的更新，乘上某一个特征值特征缩放：min-max标准化：，u是均值，s是(max - min)，标准化之后的数据是[0, 1]z-score标准化：， u是均值，是标准差，标准化之后的数据是均值为0，方差为1的标准正态分布可以拟合多项式其中=，=，=这样就...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。